张首晟，斯坦福大学物理系教授，“欧洲物理奖”获得者，美国艺术与科学院2011年新增院士。张首晟于2006年提出拓扑绝缘体理论的材料实现方案，将其基于芯片业未来提出的新构想——通过控制电子的自旋运动来降低能耗——在理论上完成了预言。2007年，这一理论预言在他与德国维尔茨堡大学实验小组通过实验证实。2012年8月张首晟教授荣获国际理论物理学领域最高奖“狄拉克奖”。2013得获国际基础物理学前沿奖。
通常的电子在硅片里面的运动完全是杂乱无章的。“量子自旋霍尔效应”找到了电子自转方向与电流方向之间的规律，利用这个规律可以使电子以新的姿势非常有序地运动，“就像高速公路，分车道里行驶的车辆一样”，张首晟教授说。“这样能量耗散会降到很低。”这一物理发现有可能给未来的信息革命带来重大影响，电脑甚至量子计算都将随之发生巨大改变。张首晟教授也提出：“可能在十年后目前的半导体技术潜力用完之时，会出现基于量子自旋霍尔效应的新一代电脑。”
正如在《复苏》（renewal）一书中，特拉维斯·吉布斯提出的，“遗传，就是要我们记住那些已经奏效的东西。”张首晟也认为，“人之所以能够具备智能，是通过几百万年的进化。今天大脑那么聪明，其实也是经过大数据的训练。计算机没有发展那么长的时间，只能用整个空间的分布来缩短它进化的时间。现在通过大数据和机器学习，我们可以加速的实现这个进化。”
张教授认为，人类的大脑，因为它的储存量到底不是那么大，所以它对信息、数据有个筛选的过程，大脑是做的特别好。“其实我们人忘记事情，是很重要的功能。今天对于大数据，如何对涌进来大量数据进行预处理也是关键。”张教授说。“事实上因特网现在要做的事情，很重要的也是对于知识的排序和管理。”他举例说，谷歌之所以成功，最早期开发的pagerank功能很重要，它就是一个排序的功能。“今天对大数据，对知识，怎么对它进行有效地管理，也是最重要的事情。可能维基百科通过人工在做的一些，可能还需要更深层，比如说知识图谱，谷歌的pagerank只是一维的评价。”张教授说。
为什么要管理和整合这些数据，张教授说：“2012年，我在斯坦福专门开的一门课上，我曾讲了一个挺有趣的故事。我说2012年，正是预言的‘世界末日’，联想到了诺亚方舟的故事。诺亚方舟当时是洪水，现在大数据带来很多好处，同时也像一场大的洪水。你一定要在那么多的数据里面，通过它总结出最高的智能（知识），还要能够有个智能的排序。所以，现在碰到最有趣的问题就是怎么自动的来整合、管理这些数据。”
张首晟认为，机器学习（deep learnnig）具有很大得空间。他提出，最近一些主要的发明，都是在这个算法上的一些发明。正如人的学习具有不同的抽象的层次，机器也是一样的。比如机器下棋为什么难？按理说如果有一个计算机，我就可以将所有步骤的可能性全算出来，但是这些计算其实是指数增长的。随着棋盘的大小，复杂性也是指数的增长。即便今天，我们计算机的能力这样增长，遇到指数增长的问题，我们还是要找到一些非常巧妙，比较近似的，但是基本上对这个问题解决的比较好的方法。
就像“谷歌翻译”就的确是一个非常重大的发明，张教授说：“本来学自然语言，都是要有很多专家对语言的理解。现在一个数学模型做完了之后，谷歌通过扫描，把几乎所有的图书数据存储过来，机器通过程序慢慢自己分析这个语法。计算机看了之后，有了这个感觉之后有这个语法，有这个语法的概念在后面。”（这也是大数据全量数据和相关性的体现。）
“本来机器翻译就是有两派不同的思潮，有一派的思潮就是说我要把语法、知识怎么灌输到机器里面去；现在就是谷歌说忘掉语法，通过写一个好的学习程序，让机器看那么多的东西，让它自动总结出这个语法的概念。”张教授认为：这个时代之所以那么激动人心，就是我们两件事情在同时做。一个在理解人的脑子，还有一个是想通过大数据，拓展人类的智能。机器和人互相反馈，也许能催生新的科学大发现。
最简单的，他距离说就像自己做研究的时候，最想要的就是计算机能够根据自己以前看的论文，根据看文章的习惯，自己写的论文，以及做的笔记，可以到全网络上去找，计算机知道他理解问题的风格，知道他对什么东西感兴趣，如果能够经常给他一些好的文章或论著，反馈给他，他我就可能做出更多的成果。事实上通过这样的例子，张首晟觉得人的智能和机器的智能是可以互动的。
甚至人和机器的智能还能互相提升，张首晟同样以谷歌的例子，阐释和人和机器怎样能够在智能提升上达到一个双赢。他说谷歌图书拥有很多的书。但是在扫描这么多书的时候，就会有一些错误，机器怎么也辨识不出来，这是一个问题；另外还有一个看似截然不同的问题，就是很多人会通过计算机去攻击一些网站。因而说我们去邮箱，或者银行账号登录的时候，就可能会让你填几个验证码，这些验证码最好要是计算机认不出来的东西，只有人才能认出来。卡梅隆大学就想出一个办法，把这两个东西放在一起：就是在谷歌图书扫描的时候，发现有一些认不准的，它就放到诸如银行页面登录验证的地方让人来认，本来这个问题一个是矛，一个是盾，现在两个东西放在一起就解决了这个问题。同时给出两个，一个是计算机本来已经知道的，故意模糊化一下，；还有一个谷歌在扫描书的时候也认不准的，最终对比大家提交的答案，大部分人相同的可能就是正确的。这个其实是一个很好的例子。两个难题通过这种大数据方式得到了一种相对简单的，比较好的解决方案。